用python画地图数据分布热力图

### 创建地理数据热力图 为了创建中国各省份2023年GDP的热力图并实现交互功能，可以利用`geopandas`来处理地理边界文件以及管理地理数据，并借助`matplotlib`来进行图形渲染。对于具体的交互效果，比如点击显示具体数值，则可能还需要引入其他工具包辅助完成。 #### 安装必要的库 确保已安装所需的Python库，如果尚未安装这些库，可通过命令行执行如下指令进行安装[^1]: ```bash pip install matplotlib geopandas descartes ``` #### 加载与中国省界有关的数据集 通常情况下，可以从官方渠道获取到最新的省级行政区划矢量数据（如GeoJSON格式），这里假设已经有了这样的数据源： ```python import geopandas as gpd # 假设有一个名为'china_provinces.geojson'的本地文件存储着中国的省级行政区域信息 gdf = gpd.read_file('data/china_provinces.geojson') print(gdf.head()) ``` #### 准备经济指标数据并与地理位置关联起来 准备一份包含各省名称及其对应2023年度GDP总量的数据表，并将其转换成Pandas DataFrame对象以便于后续操作；接着通过共同字段（例如省份名）将此表格与前面读取的空间几何特征相连接形成一个新的Geoseries结构体。 ```python import pandas as pd # 构建简单的模拟数据框表示每省的GDP情况 gdp_data = {'province': ['北京', '天津', '河北'], 'gdp_2023': [36102, 17489, 42370]} # 示例数据 df_gdp = pd.DataFrame(data=gdp_data) # 将 GDP 数据加入 GeoDataFrame 中 merged_df = gdf.merge(df_gdp, how="left", left_on='name', right_on='province') # name 是 geojson 文件中的列名 ``` #### 绘制带有颜色渐变的地图 设置好配色方案之后就可以调用plot方法绘制出带色彩填充的地图了，在这一步骤里还可以自定义诸如标题、坐标轴标签等样式属性。 ```python import matplotlib.pyplot as plt fig, ax = plt.subplots(1, figsize=(10, 6)) merged_df.plot(column='gdp_2023', cmap='YlOrRd', linewidth=0.8, ax=ax, edgecolor='0.8') ax.axis('off') # 不展示坐标系 plt.title("2023年中国各省市GDP分布") sm = plt.cm.ScalarMappable(cmap='YlOrRd', norm=plt.Normalize(vmin=min(merged_df['gdp_2023']), vmax=max(merged_df['gdp_2023']))) cbar = fig.colorbar(sm) plt.show() ``` 上述代码片段展示了如何基于给定的GEOJSON文件和相应的统计数据构建一张具有视觉冲击力的地图图表。 关于更复杂的交互特性——当用户单击某个特定地区时弹窗显示出该地区的详细统计资料，这类需求往往超出了纯`matplotlib`的能力范围之外，建议考虑采用专门针对Web端开发的地图API服务或是探索像Folium这样支持folium.Map().add_child(folium.ClickForMarker())特性的第三方扩展模块来达成目的。